基于云計算的航空飛行試驗數據中心任務調度優化架構設計

許辰宏，于 劉

(上海航空工業(集團)有限公司，上海 201206)

0 引言

云計算是一種特殊的分布式運算方法，借助網絡云環境，將龐大的數據計算處理程序按需分解成多個小型程序文件，再利用由服務器樣機組成的運行系統，對小程序進行深度分析與處理，并將執行結果返回至用戶端主機之中[1]。云計算具有與網格計算極其相似的應用特征，在該項技術手段的作用下，數據處理任務的完成時長大大縮短，這也為強大的網絡服務功能的實現提供了保障[2]。隨著技術手段的發展，云計算已經不僅只是一種簡單的分布式計算方法，而是兼具了負載均衡、網絡存儲、信息備份等多項應用功能的綜合性運算方法，特別是在因特網體系的配合下，云計算還可以按需配置相關網絡數據資源，從而為用戶對象提供多樣性與個性化服務。

航空飛行試驗數據簡稱為試飛數據，處理試飛數據是飛行器試飛工作的重要組成部分。對于航空飛行試驗數據的處理，首先要對所得數據樣本進行處理；然后聯合離散點，計算航空飛機的飛行能力；最后規劃完整的飛行航跡曲線。在處理航空飛行試驗數據時，如何實現數據樣本實時調度是一項亟待解決的應用難題。文獻[3]提出基于Cesium時空三維可視化的調度機制。利用雙線程渲染管線，繪制飛行場景，再聯合瓦片數據更新策略，確定數據任務架構體系的調度能力。文獻[4]提出基于相繼干擾消除和跨層并發傳輸的調度策略。通過減少可并發傳輸鏈路數目的方式，控制試飛數據的聚合度水平，再根據低時延標準，確定調度策略的執行流程。

然而上述兩類應用機制不足以將數據吞吐量水平提升至實際需求標準，易導致中心任務調度行為出現明顯的滯后現象。為解決上述問題，設計基于云計算的航空飛行試驗數據中心任務調度優化架構。依據粒子群算法對航空飛行試驗數據中心任務的測度值域進行優化，并結合云計算建立航空飛行試驗數據調度模型。在面向航空飛行試驗中心的云計算環境下，通過分析任務的資源利用率和時延等特性，研究任務調度體系結構的最優配置，提升數據吞吐量，解決中心任務調度行為滯后的問題。結合 WiRo中心網絡和 EMU的調度體系結構，完成航空飛行試驗數據中心任務的云計算任務調度體系結構設計。

1 中心任務調度優化架構體系

航空飛行試驗數據的中心任務調度優化架構由WiRo中心網絡、EMU調度結構兩部分組成，且EMU調度結構的設計主要針對試驗數據預測器與飛行任務分配器，本章節將針對調度優化架構體系的設計方法展開深入研究。

1.1 WiRo中心網絡

在航空飛行試驗數據中心任務調度優化架構中，WiRo中心網絡負責將服務器平臺、航空飛行試驗數據、網絡運行機制集合起來，并借助數據通路，將相關信息文本反饋至既定任務調度主機之中[5]。服務器平臺的搭建以WiRo網絡中心服務器作為基礎，可以同時打開Trunk網關接口與IDS網關接口，從而為航空飛行試驗數據提供穩定的傳輸環境，由于數據樣本的傳輸具有單向性特征，所以數據通路的連接只能由WiRo服務器指向下級網關接口組織。中心任務調度優化架構在單位時間內所需轉存的航空飛行試驗數據樣本總量相對較多，所以Trunk網關接口、IDS網關接口必須具有快速處理數據樣本參量的能力，且在架構體系運行的過程中，網關接口組織必須對數據樣本進行無差別提取[6]。具體的WiRo中心網絡布局形式如圖1所示。

圖1 WiRo中心網絡布局形式

網絡運行機制管控航空飛行試驗數據中心任務服務器，可以聯合SSLVPN、VLAN、IPS、IDS共4類應用組織維護WiRo中心網絡的運行穩定性，從而避免數據樣本差異化傳輸行為的出現，實現對中心任務組織的優化調度處理。

1.2 EMU調度結構

EMU調度結構由試驗數據預測器、飛行任務分配器兩部分組成。

1.2.1 試驗數據預測器

試驗數據觀測器是負載于WiRo中心網絡之下的硬件應用結構，能夠為航空飛行試驗數據的處理提供穩定的運行環境。主體應用部分由觀測器元件、數據處理元件組成。觀測器設備與OpenFlow平臺、PHY設備保持對應連接關系[7]。OpenFlow平臺是一個半開放的數據樣本調度處理結構，與WiRo中心網絡的服務器平臺直接連接，既可以接收云計算數據庫主機中暫存的航空飛行試驗數據，也能夠調配網絡運行機制中的SSLVPN、VLAN、IPS與IDS應用組織，從而使得試飛數據樣本始終保持相對積極的傳輸狀態。PHY設備反控ToR處理器，能夠協調航空飛行試驗數據的輸出速率，從而間接避免數據吞吐量受限問題的出現。數據處理元件的搭建以EMU調度設備為基礎[8]。在邊緣層體系之中，WiRo網絡交換機經由無線傳輸網絡，對EMU調度設備進行控制，且隨著網絡體系對于數據樣本負載能力的增強，航空飛行試驗數據的實時傳輸速率也會不斷提升?；贓MU調度結構的試驗數據觀測器部件如圖2所示。

圖2 試驗數據預測器結構簡圖

如果OpenFlow平臺與PHY設備的運行能力受限，則表示當前情況下預測器設備并不能對航空飛行試驗數據進行妥善處理。

1.2.2 飛行任務分配器

飛行任務分配器是EMU調度結構體系中的核心應用元件，由SOIC任務處理部件和任務調度中心兩部分組成，結構模型如圖3所示。SOIC任務處理部件管控微電路集成單元與邏輯門單元，同時協調EMU調度結構、FPGA芯片、MCU芯片等多個硬件設備結構之間的連接關系，由于EMU調度結構執行能力的實現需借助microchip芯片與film芯片，所以調度SOIC任務處理部件是一個較為復雜的運行環節[9-10]。任務調度中心由多個項目組共同組成，其中每個項目組單元都包括一個flipped設備、一個PGA設備和一個FCBGA設備，能夠在云計算技術的作用下，調度航空飛行試驗數據，并將相關信息參量反饋至中心任務調度模塊之中。

圖3 飛行任務分配器結構模型

SOIC任務處理部件與任務調度中心之間存在明顯的執行任務反饋關系，所以為保證調度框架對航空飛行試驗數據的實時處理能力，要求EMU調度結構的運行速率必須同時適應試驗數據觀測器與飛行任務分配器。

2 基于云計算的航空飛行試驗數據調度模型

為利用中心任務調度優化架構實現對航空飛行試驗數據的按需處理，還應在云計算技術的基礎上，求解PSO優化度量值與慣性權重，并聯合相關參數指標，定義粒子編碼條件。

2.1 PSO優化度量值

PSO優化度量值求解是一個連續計算過程，需要按照云計算標準，對同一航空飛行試驗數據樣本進行多次求導，從而最大化避免數據傳輸滯后問題對中心任務調度行為造成影響[11]。設δ表示一個隨機選定的航空飛行試驗數據樣本，其取值滿足如下表達式：

δ∈[1，+∞)

(1)

在云計算技術的認知中，連續3次求導所得數值結果才能夠得到中心任務服務器的認可，因此在計算PSO優化度量值時，至少需進行3次求導才能夠得到滯后性最弱的航空飛行試驗數據樣本[12]。對于PSO優化度量值的求解遵循如下計算流程：

第一次求導：

δ′=α·δ|α≠0

(2)

第二次求導：

δ″=α′·δ′|α′≠0

(3)

第三次求導：

δ″′=α″·δ″|α″≠0

(4)

PSO優化度量值計算式：

(5)

式中，α表示0階偏導系數，α′表示1階偏導系數，α″表示2階偏導系數，e、r表示兩個不相等的航空飛行試驗數據認證參數，且e≠0、r≠0的不等式條件同時成立，χe表示基于參數e的數據樣本傳輸滯后性認證向量，χr表示基于參數r的數據樣本傳輸滯后性認證向量。PSO優化對于航空飛行試驗數據樣本的處理不可逆，所以在同一運算周期內，只依靠單次取樣的物理參數就可以得到度量值指標的計算結果。

2.2 慣性權重

(6)

εmin參數的出現，表示航空飛行試驗數據的變化量保持遞減狀態；εmax參數的出現，則表示航空飛行試驗數據的變化量保持累積狀態。

2.3 粒子編碼

粒子編碼也可以理解為航空飛行試驗數據樣本的獨立編碼，在中心任務調度優化架構中，只有細致約束粒子編碼原則，才能使云計算函數條件更符合數據調度的實際處理需求[15-16]。對于航空飛行試驗數據樣本的獨立編碼要求粒子基數p應是一個不為零的物理量，且在對相關航空飛行試驗數據樣本進行取值時，還應保證慣性權重指標與當前取值參量的數值對應關系。對于粒子基數p的計算滿足公式(7)：

(7)

在公式(7)的基礎上，設γ表示數據粒子的編碼參數(設計航空飛行試驗數據中心任務調度優化架構時，必須保證參數γ的取值滿足云計算原則)，n表示不大于粒子基數p、不小于自然數1的一個隨機物理量。

基于云計算的航空飛行試驗數據樣本粒子編碼條件為：

(8)

n取值越接近自然數1，表示應用粒子編碼原則所需定義的航空飛行試驗數據樣本量越多。

2.4 云計算函數條件

(9)

φf→g向量的取值不具備隨機性，所以在推導云計算函數條件時，只能針對航空飛行試驗數據的既定取值結果進行計算。

3 任務調度架構的優化配置

針對中心任務調度優化架構的配置，還應按照云計算原則對航空飛行試驗數據進行取樣，再聯合資源占用率系數，確定動態權限，從而求解得出長尾延遲參量的具體數值。

3.1 中心調度任務的資源占用率

當多個航空飛行試驗數據被投放到同一個調度架構體系之中時，中心調度任務會占用架構體系中大量的數據樣本資源，這就會導致WiRo中心網絡在提取數據樣本時面臨信息吞吐量受限的問題，從而導致中心任務調度行為表現出明顯滯后的情況[19]。設F1，F2，…，Fc分別表示c個滿足云計算函數條件的數據資源樣本，且在取值數據資源時，F≠0的不等式取值條件恒成立，ι1，ι2，…，ιc分別表示與數據資源樣本匹配的中心調度任務占用參數，聯立上述物理量，推導中心調度任務資源占用率的計算表達式如公式(10)所示：

鋼軌波浪型磨耗是指線路在投入運營后，出現在鋼軌接觸表面的類似波浪形的不均勻磨損。鋼軌波浪形磨耗形成之后，列車行駛其上必將激勵起車輛、軌道系統的振動, 而且這種振動是隨著軌道不平順的加劇而加劇的。車輛、軌道系統的劇烈振動不僅引起行李移位，使旅客舒適度降低，而且還會加速動車組車輪和軌道結構的破壞。隨著我國高速鐵路運營里程的增加和車次的增多，鐵路現場鋼軌波磨分布變得更加廣泛，問題日益嚴重。對已經開通的高速鐵路波磨成因等問題進行研究，不僅對整治已有高速鐵路出現的波磨問題起到積極作用，而且對新開通和尚未開通的線路，也能起到很好的預測和防護作用。

(10)

為解決因數據吞吐量有限而造成的中心任務調度行為明顯滯后的問題，中心任務調度優化架構對于航空飛行試驗數據的處理必須滿足實時性原則。

3.2 動態數據權限

動態數據權限就是中心任務調度優化架構在處理航空飛行試驗數據時所遵循的處置權限。按照云計算法則篩選航空飛行試驗數據，所得每一個物理量都保持定值狀態，所以動態數據權限求解結果是一個有限的數值區間，且區間內每一個數據變量都對應唯一的占用率指標[20]。動態數據權限定義式為：

(11)

式中，λ表示云計算法則對于航空飛行試驗數據的篩選條件，κ表示動態賦值參數，H表示航空飛行試驗數據的有限值取樣條件。K取值屬于(-∞，0)時，中心任務調度優化架構雖然具有處理航空飛行試驗數據的能力，但不一定符合云計算法則的運算標準；若K取值屬于(0，+∞)，則表示中心任務調度優化架構具有處理航空飛行試驗數據的能力，且運算標準也一定符合云計算法則。

3.3 長尾延遲參數

長尾延遲參數決定了在處理航空飛行試驗數據時，中心任務調度優化架構的時延水平，只有在動態數據權限屬于(0，+∞)的數值區間時，所得執行結果才符合算法約束條件，所以長尾延遲參數計算結果也只有在大于零的情況下，才能夠有效控制中心任務調度優化架構的時延水平。對于長尾延遲參數的求解滿足如下表達式：

(12)

4 實例分析

4.1 實驗流程與參數分析

為分析基于云計算的航空飛行試驗數據中心任務調度優化架構的應用能力，設計如下對比實驗。

1)按照圖4所示的閉環模式對航空飛行試驗數據進行處理，當Windows主機中的樣本累積量達到既定數值標準后，開始實驗，相關實驗設備的具體型號如表1所示；

表1 實驗設備

圖4 航空飛行試驗數據處理模式

2)在Windows主機中輸入云計算執行程序，記錄在該架構體系作用下，單位時間內航空飛行試驗數據吞吐量的數值變化情況，所得數據為實驗組樣本；

3)清除已生成的數據變量，在Windows主機中輸入Cesium時空三維可視化執行程序，記錄在該架構體系作用下，單位時間內航空飛行試驗數據吞吐量的數值變化情況，所得數據為A對照組實驗樣本；

4)再次清除已生成的數據變量，在Windows主機中輸入相繼干擾消除和跨層并發傳輸的執行程序，記錄在該架構體系作用下，單位時間內航空飛行試驗數據吞吐量的數值變化情況，所得數據為B對照組實驗樣本；

5)多次核實實驗數據，確認無誤后，分析3組不同框架體系對于航空飛行試驗數據樣本的調度處理能力；

對于Windows主機而言，其在處理航空飛行試驗數據時的數據吞吐量水平影響中心任務調度行為的滯后性程度，在不考慮其他干擾條件的情況下，單位時間內的數據吞吐量水平越高，就表示航空飛行試驗數據的傳輸速率越快，框架體系對于航空飛行試驗數據的調度能力也就越強，故而本次實驗只需驗證航空飛行試驗數據的吞吐量水平，就可以確定框架體系對于航空飛行試驗數據的調度能力。

4.2 結果與討論

4.2.1 長尾延遲參數測試

長尾延遲指的是與平均延遲時間相比延遲的更高百分位數，表2反映了實驗組、對照組航空飛行試驗數據的長尾延遲參數。

表2 實驗設備

如表2所示，實驗組的長尾延遲最大值為1.11%，A對照組的長尾延遲最大值為5.14%，B對照組的長尾延遲最大值為4.29%。長尾延遲參數決定了在處理航空飛行試驗數據時，中心任務調度優化架構的時延水平。當長尾延遲參數越小，可以縮短丟包后的等待時間，數據傳輸速度也將增快。數據傳輸速度的提高將顯著航空飛行試驗數據的調度效率。由此可見，實驗組的長尾延遲參數最小，航空飛行試驗數據的調度效率更好。

4.2.2 航空飛行試驗數據吞吐量測試

圖5反映了實驗組、對照組航空飛行試驗數據吞吐量的具體實驗數值(規定每15 min作為一個單位時長)。

圖5 航空飛行試驗數據吞吐量

圖5所示的實驗結果展示了4個單位時長內的航空飛行試驗數據吞吐量數值變化情況。

實驗組：在實驗組調度框架作用下，第一個單位時長內，航空飛行試驗數據吞吐量已保持大幅增多的數值變化態勢；第二個單位時長內，15～20 min時，實驗組航空飛行試驗數據吞吐量依然保持大幅增多的數值變化態勢，從第20 min開始，吞吐量指標的增大幅度逐漸減小，到第二個單位時長結束，實驗組吞吐量指標并未達到最大值；第35 min時，實驗組航空飛行試驗數據吞吐量取得最大值9.85 B/s；后續實驗過程中，實驗組航空飛行試驗數據吞吐量開始呈現出階梯狀下降的數值變化狀態，但其平均數值水平始終相對較高。

A對照組：第一個單位時長內，A對照組航空飛行試驗數據吞吐量數值保持小幅增大的變化態勢，第二個單位時長結束，數值變化趨勢并未發生改變；第40 min時，A對照組航空飛行試驗數據吞吐量取得最大值8.26 B/s，與實驗組最大值相比，下降了1.59 B/s；第40～60 min，即第三個單位時長后期直至第四個單位時長結束，A對照組航空飛行試驗數據吞吐量都保持連續下降的變化趨勢，整體均值水平也明顯小于實驗組。

B對照組：第一個單位時長內，B對照組航空飛行試驗數據吞吐量數值的增大趨勢相對較為明顯，第二個單位時長內，其吞吐量數值的增大幅度開始逐漸減??；第三個單位時長前期(第35 min)，B對照組航空飛行試驗數據吞吐量達到最大值5.50 B/s，與實驗組最大值相比，下降了4.35 B/s；后續實驗過程中，B對照組航空飛行試驗數據吞吐量數值始終保持穩定，整個實驗過程中，其均值水平也遠低于實驗組。

綜上可知，基于云計算的航空飛行試驗數據中心任務調度優化架構的應用，可以增大數據樣本的吞吐量水平，從而避免中心任務調度行為表現出明顯滯后的傳輸特點，這在實現航空飛行試驗數據實時調度方面可以起到一定的促進性影響作用。

5 結束語

航空飛行試驗數據中心任務調度優化架構的設計遵循云計算原則，在WiRo中心網絡、試驗數據觀測器、飛行任務分配器的共同配合下，求解PSO優化度量值，從而推導云計算函數條件的基本表達式。此外，受到動態數據權限的限制作用，長尾延遲參數的取值能夠符合云計算原則的約束條件，相較于基于Cesium時空三維可視化的調度機制與基于相繼干擾消除和跨層并發傳輸的調度策略，該框架的應用確實能夠解決因數據吞吐量有限而造成的中心任務調度行為明顯滯后的問題，實現對航空飛行試驗數據的實時調度，這也與實際應用需求相符合。